💡
原文中文，约3700字，阅读约需9分钟。
📝
内容提要
GPT Image 2的底层架构已彻底重构，研究负责人陈博远称其为“通用模型”。团队仅13人，快速取得显著进展，新模型在指令遵循和空间布局方面表现出色，能够精准生成复杂图像。团队成员背景多样，涵盖计算机视觉和机器学习等领域，OpenAI持续吸引跨界人才，推动技术创新。
🎯
关键要点
-
GPT Image 2的底层架构已彻底重构，被称为“通用模型”。
-
研究团队仅有13人，快速取得显著进展，特别是在指令遵循和空间布局方面表现出色。
-
团队成员背景多样，涵盖计算机视觉和机器学习等领域，OpenAI吸引跨界人才推动技术创新。
-
研究负责人陈博远在MIT读博期间的研究成果为新模型的开发提供了基础。
-
团队成员Jianfeng Wang负责指令遵循，显著提升了模型对时间和空间布局的理解能力。
-
Yuguang Yang展示了GPT Image 2在信息图和PPT生成方面的能力，节省科研人员时间。
-
团队负责人Gabriel Goh参与了OpenAI多模态系列研究，推动了图像生成技术的发展。
-
尽管OpenAI人才流动性大，但仍能吸引多样化的人才，推动自下而上的研究模式。
❓
延伸问答
GPT Image 2的底层架构有什么变化？
GPT Image 2的底层架构已彻底重构，被称为“通用模型”。
GPT Image 2团队有多少人，他们的背景如何？
GPT Image 2团队仅有13人，成员背景多样，涵盖计算机视觉和机器学习等领域。
陈博远在开发GPT Image 2中扮演了什么角色？
陈博远是研究负责人，负责GPT图像生成模型的所有训练。
GPT Image 2在指令遵循方面有什么显著提升？
新模型能够精准生成复杂图像，提升了对时间和空间布局的理解能力。
Yuguang Yang在GPT Image 2中负责什么？
Yuguang Yang展示了GPT Image 2在信息图和PPT生成方面的能力，节省科研人员时间。
OpenAI是如何吸引跨界人才的？
OpenAI吸引多样化的人才，推动自下而上的研究模式，不限制专业。
➡️
